【摘 要】
：
时间序列数据反映了时间和事务两者之间的变化过程,挖掘隐藏在时序数据中的规律变得非常重要。本课题研究的主要目标就是寻找一种采用波形匹配算法,以解决在海量的时序数据中查找与某一段波形相匹配的数据段此类曲线搜索问题。本文主要研究工作如下:1)CNN提取曲线特征过于随机,而且要查找的曲线目标是临时给出的,并没有多余的训练样本。本文使用相关时序数据集作为训练样本,解决提取曲线特征过于随机的问题,使用孪生神经
论文部分内容阅读
时间序列数据反映了时间和事务两者之间的变化过程,挖掘隐藏在时序数据中的规律变得非常重要。本课题研究的主要目标就是寻找一种采用波形匹配算法,以解决在海量的时序数据中查找与某一段波形相匹配的数据段此类曲线搜索问题。本文主要研究工作如下:1)CNN提取曲线特征过于随机,而且要查找的曲线目标是临时给出的,并没有多余的训练样本。本文使用相关时序数据集作为训练样本,解决提取曲线特征过于随机的问题,使用孪生神经网络解决少样本问题。2)针对曲线匹配效果差的问题。本文设计了曲线特征匹配算法,从曲线分割、数据拟合、特征选择、特征识别、匹配度评估等,使用数学原理阐述了完整算法,并且构建出了本文算法的系统模型图;其次研究了算法中需要通过实验来验证的各类系数,例如:权值、特征片段的范围、拟合值的阶数等等;最后设置了相关实验,将算法中所有未确定的问题通过实验一一确定。本文将完整算法使用在某航天器推力器温度数据和心电数据集上,通过实验验证,算法有较好的准确性,但是搜索花费时间较长。使用UCR时间序列测试集,将颜色直方图、基于纹理特征的灰度共生矩阵与基于CNN的曲线特征匹配算法做了对比分析,基于CNN的曲线特征匹配算法得出的准确率为95.3%,比颜色直方图和灰度共生矩阵分别高出了45.3%和37%;F1测量值是95.3%,比颜色直方图和灰度共生矩阵分别高出了28.7%和32.9%;论文将准确率和效率规定了一个综合评价指标,基于CNN的曲线特征匹配算法综合得分是0.2796,比颜色直方图和灰度共生矩阵分别高出了0.0406和0.1036;以上结果验证了本文算法在曲线匹配上,要较好于颜色直方图和基于纹理特征的灰度共生矩阵。
其他文献
随着数字化技术的发展,使用手术导航系统协助医生便捷精准地进行手术已经成为了一种重要的发展趋势。而注册技术是实现手术导航精准定位的关键,通过注册技术可以获得真实患者空间与虚拟图像空间的转换关系,使两者坐标系得到统一,实现虚实结合。目前,手术导航的注册方式主要分为:基于标记点和基于无标记点。其中,基于标记点的注册方式存在着标志物掉落、遮挡、无法识别等问题。为了避免以上缺陷,本文在研究方法上采用了基于无
复杂背景下红外目标检测是基于红外图像,对多种复杂场景进行分析与理解,获取兴趣目标类别与方位的计算机视觉技术。当前,复杂背景下红外目标检测主要面临两方面的问题,一是缺少相关数据集,二是模型收敛速度慢、检测精度低。针对上述问题,本课题采用深度学习方法对复杂背景下的红外目标检测技术进行了深入研究,主要工作如下:（1）构建了针对红外目标检测的网络模型。检测网络以YOLO系列模型为框架,采用CSPDark
近年来,区块链技术经历了飞速发展,从最初仅用于数字货币领域,到现如今为金融、医疗、教育、工业等多个领域带来全新的解决方案和发展机遇,区块链技术目前在全球范围内受到认可和深入研究。共识机制作为区块链技术的核心组成部分之一,是确保系统安全和可靠性的基石。共识算法性能的高低直接决定了整个系统的效率和可用性。因此,设计一个高效的共识机制对于提升区块链系统的性能和保障安全可信具有至关重要的意义。本文对区块链
图像着色的目标是将灰度图像中每个像素分配适当的颜色,以生成视觉信息更加丰富的彩色图像。该技术在数字艺术、医学成像和影视制作等领域具有广泛的应用前景。灰度图像在同一灰度值可对应多种颜色,这使得图像着色问题具有不确定性。如何生成合理的彩色图像是计算机视觉领域中一项具有挑战性的任务。随着计算机图像处理能力的提高和技术的不断进步,基于深度学习的图像着色研究也在生成图像的效率和颜色效果方面取得了进展。然而,
工业相机的成像元件大多是以电荷耦合元件（Charge Coupled Device,CCD）与互补金属氧化物半导体（Complementary Metal Oxide Semiconductor,CMOS）为主的传感器。此类传感器不具备颜色恒常性功能,在图像采集过程中,会因红外光线的串扰导致图像呈现出不正常的红色状态。现有的解决办法是在图像采集装置的镜头前端加一个红外截止滤光片,以此来消除图像采集
人类通信的本质是进行知识交换的过程。1953年Weaver提出了技术、语义、效能三层次通信模型,为现代通信系统的设计奠定了理论基础。随着人工智能的快速发展,通信设备的智能化水平和通信设备对外界的认知能力不断提高,为深入开展Weaver提出的第2层次的语义通信难题研究提供了可能,智能体语义通信也逐渐成为通信领域的一大研究趋势。现有的智能体通信工作主要集中在第1个层次,即通信符号如何准确传输,部分学者
随着深度学习与人工智能技术的不断发展,人机交互在当前已经不再是一个陌生的话题,为了有更好的体验,人脸表情识别成为一个新的研究热点。深度学习的出现取代了传统手工提取人脸表情特征的方式,使得人脸表情识别技术得到了飞速提升,残差网络的提出使人脸表情识别的表现更上一层楼,但是如何设计一个好的残差网络,以便更有效地提取人脸表情识别所需的特征,从而提高其准确性,仍然是当前研究的重点。针对上述问题,本文选用Re
通常要进行三维场景的构建需要真实环境的支持,室内环境的三维场景重建一般由激光雷达或视觉传感器完成,由于激光雷达成本高花费大,重建出来的结果缺少彩色信息,因此选用视觉传感器和SLAM系统,然而SLAM系统重建出来的地图依然是稀疏的场景地图,跟进工作无法继续。为了解决上述问题,本文主要利用多源传感器（深度传感器和IMU惯性传感器）融合的室内环境稠密三维重构方法,从而补充了缺失的室内环境数据,保证了正常
随着现代医学模式的转变和人们对健康概念的更新,人们也越来越关注口腔健康和口腔美观,如何快速培养合格的年轻外科医生是一项非常紧迫的任务。因此,本文所开发的基于力反馈的口腔临床虚拟教学系统（Oral Clinical Virtual Teaching System,OCVTS）可以缩短口腔医生手术训练周期,有利于缓解现阶段口腔医生短缺的局面,为满足人们对美好生活的需要具备重要的现实意义。本文研究内容如
随着第四次工业革命浪潮的到来,智能产品已经进入人们的视野。移动机器人是机器人的重要组成部分之一。在移动机器人所涉及的关键技术中,一个重要的问题是机器人导航。其中,在未知的复杂环境中,SLAM（Simultaneous Localization and Mapping,同时定位与地图构建）技术在机器人工程中发挥着至关重要的作用。由于单个传感器只能检测到有限的信息,它们在智能产品中的应用仅限于发出简单